ACLAug, 2021
MELM: 低资源命名实体识别的掩码实体语言建模数据增强
MELM: Data Augmentation with Masked Entity Language Modeling for Low-Resource NER
Ran Zhou, Xin Li, Ruidan He, Lidong Bing, Erik Cambria...
TL;DR使用 MELM 作为一种新的数据增强框架,通过显式条件化于标签来预测掩码实体标记,从而为低资源 NER 生成高质量的增强数据,并通过与混合代码结合进一步提高了 MELM 的有效性,在单语,跨语言和多语言 NER 方面均取得了实验结果的显著改进。